论文标题:
The Past and Future of AI Scientists
发表日期:
2026年8月
发表单位:
剑桥大学（University of Cambridge）与查尔姆斯理工大学（Chalmers University of Technology）
原文链接:
https://arxiv.org/pdf/2608.14407v1.pdf
如果让你设计一个AI科学家，你会怎么做？最常见的思路是：把一个大语言模型调教到足够强，让它什么都干。这篇论文明确否定了这种“单体模型包打天下”的路线，给出了一个完全不同的架构哲学——AI科学家是一个相互交互的模块联邦（federation of interacting modules），而不是一个单一的单体模型。图3：AI科学家是一个相互交互的模块联邦，而非单一的单体模型。为什么必须走“联邦”路线？因为科学研究的完整链路实在是太长了。你需要一个科学记忆模块来存储形式化知识、概率、模型、数据、协议和溯源信息；需要一个文献接口来完成检索、阅读、信息提取和引用核查；需要一个问题和假设生成器来提出科学问题；需要形式化的逻辑、数学和概率推理器来推导结论；需要模拟和模型执行环境来检验理论预测；需要实验设计和组合分配系统来决定下一步做什么实验；需要协议编译器把实验意图翻译成机器人能执行的指令；需要实验室控制和观测接口来连接物理世界；还需要数据质量、统计分析、结果解读模块，以及对抗性批评者和独立验证智能体来挑刺。这套架构里最特别的，是论文强调的神经符号集成（neuro-symbolic integration）。什么意思？就是用神经网络来做感知、模式识别和灵活的语言交互，用逻辑推理器来做严格的演绎验证，用概率推理器来管理不确定性和信念更新。两者结合，而不是谁取代谁。纯粹的逻辑系统死板、缺乏鲁棒性，纯粹的神经网络会产生幻觉、缺乏可验证性。只有把两者缝合在一起，才有资格谈科学推理。在信念修订环节，论文给出了一个数学上很漂亮的框架。AI科学家面对多个竞争性假设时，应该用贝叶斯模型平均（Bayesian Model Averaging）来综合所有模型的预测：这个公式的含义是：在观测到数据E之后，对未知量y的预测，等于所有候选模型Mᵢ的预测按模型后验概率加权求和。换句话说，AI科学家不应该只押注一个模型“赌赢了”，而要时刻对所有可能假设保持概率化的开放态度。这种“分布式信念”正是人类科学家在头脑里隐约在做、但很少能精确表达的事情。在实验设计层面，论文给出的核心思想是：一个好的实验，是最能降低不确定性的实验。信息论里有一个很漂亮的表达式：做实验获得的信息I(M,E)，由两部分构成：I(M)是检验模型本身的信息增益，I(E|M)是在给定模型下观测数据带来的信息增益。把这两个公式组合起来看，AI科学家的“行动逻辑”就非常清晰了——它需要找那些能最大化信息增益的实验来做，而不是随机试试。这套数学框架把“好奇心”变成了一个可计算的目标函数。
从Adam到AlphaFold：AI科学家的进化之路
这篇综述最有“历史厚重感”的地方，在于它把AI科学家的谱系从头梳理了一遍，而这正是Ross King作为圈内人的独家优势。故事要从1960年代的斯坦福大学讲起。那是一个AI的蛮荒年代，诺贝尔生理学或医学奖得主Joshua Lederberg牵头启动了一个名为DENDRAL的项目，目标是让计算机从质谱数据中推断分子结构。DENDRAL被公认为世界上第一个专家系统，它首次证明了：在特定科学领域内，把形式化领域知识与启发式搜索结合，机器可以达到专家级水平。这个项目奠定了后来所有科学AI的内核——智能不只靠通用推理机制，更靠大规模、结构化、显式的领域知识。接下来是BACON项目（注意：这个BACON和吃的培根没关系，是致敬哲学家弗朗西斯·培根）。Herbert Simon团队用机器学习从数值数据中自动生成方程，居然“重新发现”了多条著名的科学定律。放在今天，这个任务叫符号回归或方程发现。BACON的意义不在于“重新发明轮子”，而在于证明了“创造性思维”可以被拆解为启发式搜索操作。图1：发现科学时间线——从DENDRAL到现代AI科学家的完整演进脉络。1986年，Don Swanson做了一个后来被反复引用的经典工作：他发现鱼油、血粘度和雷诺氏综合征之间存在潜在关联，但当时没有任何一篇论文同时提到这三者的因果链条。Swanson证明了一个大胆的观点——新的科学假设可能早已隐含在文献的分布式结构中，只是没有任何人类研究者能读完全部相关论文。这就是“文献驱动发现”的起源，也是今天LLM智能体做科研的早期思想雏形。时间快进到2004年。Ross King团队推出了第一个机器人科学家Adam——这是历史上第一台“自主做出新颖科学发现”的机器。Adam的工作领域是酵母菌的功能基因组学，它用逻辑语言表示背景知识和竞争性假设，自主选择能区分这些假设的实验，用实验室机器人物理执行实验，解读数据，然后更新假设的概率。这个闭环的每一个环节都是机器自主完成的，没有人类科学家在中途插手。图2：自动化科学的原始图示（引自King等人2004年论文）——假设驱动发现与物理实验执行的一体化结构。紧接着的Eve则走出了另一条路。Eve专注于早期药物发现，更强调数据驱动的闭环优化。它把化合物筛选、检测自动化、机器学习、主动学习结合起来，高效地探索化学空间。Eve后来被公认为现代自动驾驶实验室的架构鼻祖。论文里特别区分了这两者的谱系：Adam是“AI科学家”的直系祖先，Eve是“自动驾驶实验室”的直系祖先，而当代系统正在把这两条传统融合在一起。接下来的故事大家就比较熟悉了。AlphaFold 2在蛋白质结构预测上实现了质的突破，预测了超过2亿个蛋白质结构；AlphaFold 3把能力扩展到蛋白质与核酸、小分子、离子的联合结构和相互作用。大语言模型则带来了全新的交互方式——Coscientist连接了LLM与互联网检索、代码执行和实验自动化来完成化学任务；ChemCrow把LLM接到专业化学工具上；The AI Scientist跑通了“想法→代码→分析→论文→模拟同行评审”的全自动计算研究工作流；Co-Scientist用多智能体生成、辩论、排序和优化生物医学假设；Robin则把文献搜索和数据分析智能体整合起来，生成假设、设计实验、解读数据并持续更新自己的假设。值得注意的是，论文用一个表格清晰地给这些系统分了类，这个分类很重要，值得放出来给大家看：表1：代表性科学AI系统的分类与能力。注意，这个分类是功能性的，不是宣传性的——“有用的预测器”和“AI科学家”之间，隔着整个科学闭环。这个表最扎眼的一列是“Primary limitation”（主要局限）。AlphaFold再厉害，它不会自己问“下一个该解什么结构”。The AI Scientist再自动化，它只活在纯计算环境里，不碰物理世界。Co-Scientist和Robin再聪明，它们依然高度依赖人类设定目标，而且有幻觉风险。每一个顶流系统，都只是整个科学闭环上的一块拼图。
挑战与展望：AI科学家将如何改变世界
论文的落脚点落在了一个激动人心又隐含风险的目标上：Nobel Turing Challenge。简单说，这个挑战的目标是：到2050年，开发出能够自主做出诺奖级科学发现的AI系统。Ross King的判断很直接——进度已经超前于时间表。注意，这是作者本人的判断，是否认同可以保留意见，但这个判断本身就值得读完全文。论文给出了一套评估“诺奖级成果”的评判标准，这大概是目前对AI科学家最严格的验收清单：表3：Nobel Turing Challenge的评估标准——从“自主性程度”到“结果是否可复现”，每一项都在校准“AI科学家”这四个字的成色。AI科学家如果真的实现，会带来什么样的改变？论文给出了几个相当有画面感的预测。第一，科学会变得更便宜、更快、更系统、更可复现。第二，AI科学家能研究那些复杂度超出人类单打独斗能力的系统——比如理解上万种基因之间的相互作用。第三，数千个AI科学家可以同时协作攻克同一个问题，而不用睡觉、不用开组会、不用写基金本子。但论文没有回避阴暗面：AI科学家也可能集中科学权力、自动化错误、直接把科学推理连接到危险的物理动作上。所以在治理层面，论文提出了一套相当务实的安全设计原则：必须建立严格的评估制度，关键是完整的溯源（provenance）体系——每一个材料决策、每一次行动都要有记录；要有问责机制，要有安全与权限管理系统（safety and permissions governor）；还要让人类科学家始终保留设定目标、检查推理和干预的权力。这些不是空话，而是论文在架构图的每一个箭头上都标注了的设计约束。总的来说，这篇综述的价值不在于给了你一个马上能跑的算法，而在于把“AI科学家”这个宏大叙事拆解成了可讨论、可规划、可逐步实现的工程问题。它让每一个关注AI for Science的人，都能在同一个坐标系里看清楚：我们走到哪了，下一步该踩哪里。
[1] King, R.D., et al. Functional genomic hypothesis generation and experimentation by a robot scientist. Nature, 2004, 427(6971): 247-252.[2] King, R.D., et al. The automation of science. Science, 2009, 324(5923): 85-89.[3] Williams, K., et al. Cheaper faster drug development validated by the repositioning of drugs against neglected tropical diseases. Journal of the Royal Society Interface, 2015, 12(104): 20141289.[4] Jumper, J., et al. Highly accurate protein structure prediction with AlphaFold. Nature, 2021, 596(7873): 583-589.[5] Abramson, J., et al. Accurate structure prediction of biomolecular interactions with AlphaFold 3. Nature, 2024, 630(8016): 493-500.[6] Lu, C., et al. The AI Scientist: Towards fully automated open-ended scientific discovery. arXiv preprint arXiv:2408.06292, 2024.[7] Boiko, D.A., et al. Autonomous chemical research with large language models. Nature, 2023, 624(7992): 570-578.[8] Szymanski, N.J., et al. An autonomous laboratory for the accelerated synthesis of novel materials. Nature, 2023, 624(7990): 86-91.[9] Swanson, D.R. Fish oil, Raynaud's syndrome, and undiscovered public knowledge. Literature in Information Technology, 1986, 1(1): 7-20.[10] Gottweis, J., et al. Co-Scientist. arXiv preprint, 2026.[11] Ghareeb, S., et al. Robin: LLM-based hypothesis-driven biology research. arXiv preprint, 2026.[12] 原论文链接：https://arxiv.org/pdf/2608.14407v1.pdf
